MétaCan
Menu
Retour à la cohorte
Enregistrement W4283024615 · doi:10.1002/aws2.1288

Evaluating satellite and in situ monitoring technologies for leak detection and response

2022· article· en· W4283024615 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAWWA Water Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensAmerican Water (Canada)
Organismes subventionnairesCalifornia Energy Commission
Mots-clésLeak detectionCasualLeakEnvironmental scienceEmerging technologiesContinuous monitoringSatelliteComputer scienceRemote sensingEnvironmental resource managementOperations managementEngineeringGeologyEnvironmental engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract The California Energy Commission funded a study to evaluate two technologies to assess their usefulness as an early leak detection tool for alerting field teams and to better understand the impact on energy savings through managing water loss. Specifically, the latest in advanced correlating continuous acoustic monitoring and satellite imagery leak detection technologies were examined over a period of 12 months in the Duarte system of California with 4.9 mgd production capacity and representing several pressure zones in the service area. A key conclusion was that both technologies improved the effectiveness of locating subsurface leaks that would have been invisible to the casual observer, and both were potential candidates for future applications. When implemented together in this study, the two technologies found leaks that would have resulted in between 57–170 mil gal of lost water during the study period. This equates to 140–419 MWh of energy savings in California, amounting to cost savings of at least $100,000 for the Duarte system alone during the 12‐month study period.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,170

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,267
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle